基于TWFPN算法的配電網(wǎng)故障主動診斷研究

張婷婷，張信群，許 敏

(滁州職業(yè)技術(shù)學(xué)院 機械與汽車工程學(xué)院，安徽 滁州 239000)

隨著分布式電源的應(yīng)用，有源配電網(wǎng)逐漸取代傳統(tǒng)配電網(wǎng)而被廣泛應(yīng)用。黃光球等[1]、王麗麗等[2]發(fā)現(xiàn)，采用傳統(tǒng)矩陣計算進行有源配電網(wǎng)故障診斷時存在邏輯過于簡單的問題，已不能滿足斷路器數(shù)量較多和具有相關(guān)保護的有源配電網(wǎng)故障診斷，亟須設(shè)計一種有源配電網(wǎng)故障診斷方法。本研究以閉環(huán)有源配電網(wǎng)故障主動診斷為對象，構(gòu)建了有源配電網(wǎng)故障主動診斷模型?？紤]到閉環(huán)有源配電網(wǎng)發(fā)生故障時通常采用速斷、限時速斷、過流保護進行階段式保護，而各階段保護具有鮮明的時序性和邏輯性[3]，本研究設(shè)計了一種時序連接加權(quán)模糊Petri網(wǎng)(TWFPN)故障診斷模型，通過引入時序連接和高斯分布函數(shù)防止了故障誤判，并減少了信息丟失等的影響，為有源配電網(wǎng)故障診斷提供了一定的幫助。相較于典型的配電網(wǎng)故障診斷算法，該算法對閉環(huán)有源配電網(wǎng)單線故障和多線故障具有更高的診斷正確率。

1 基本算法

TWFPN是以加權(quán)模糊Petri網(wǎng)為基礎(chǔ)，根據(jù)有源配電網(wǎng)時序連接規(guī)則建立的一種時序連接加權(quán)模糊Petri網(wǎng)[4]。為具體描述TWFPN，本研究以文獻[5]設(shè)置的11元組TWFPN11進行說明。該元組模型如下：

STWFPN={P,T,N,I,O,W,U,B,fg,TC,Ttime}，

(1)

式中：P={p1，p2，…，pn}，表示TWFPN模型庫所集合，n為庫所數(shù)量；T={t1，t2，…，tm}，表示變遷集，m為變遷數(shù)量；N表示故障蔓延方向數(shù)量；I表示庫所到變遷路徑集合，為一個n×m矩陣，若該庫所有通向變遷的路徑，則矩陣對應(yīng)元素值為1，反之則為0；O表示變遷到庫所路徑集合，為一個m×n的矩陣，若該變遷有通向庫所的路徑，則矩陣對應(yīng)元素值為1，反之則為0；W=diag(W1，W2，…，Wn)，表示輸入弧權(quán)值矩陣；U=(U1，U2，…，Um)，表示變遷置信度T向量，W和U結(jié)合，即事件發(fā)生對下一事件的影響；TC={C1，C2，…，Cm}，表示變遷閾值向量，若輸入權(quán)值合并后小于閾值，則變遷失敗，反之則變遷成功；B={B1，B2，B3}={RCBNs，CBN，…，RCBMX，CBM，…，RCBPg，CBP}，表示有效時序集合；fg=e-4.5(x-1)2表示高斯分布函數(shù)[6]；Ttime表示時序關(guān)系圖。

2 基于TWFPN的配電網(wǎng)故障主動診斷模型構(gòu)建

配電網(wǎng)的繼電保護動作通常具有明顯的時序性，所以可采用TWFPN對其進行故障診斷。根據(jù)配電網(wǎng)故障發(fā)生時斷路器出口時序和各保護階段情況，將診斷模型分為兩部分：一是根據(jù)Ttime規(guī)則確定集合B；二是將集合B內(nèi)元素作為初始庫所數(shù)據(jù)進行矩陣計算，由此得到線路可能出現(xiàn)故障的概率。以閉環(huán)的配網(wǎng)線路為例，其TWFPN診斷模型如圖1所示。

圖1 配電網(wǎng)線路TWFPN主動診斷模型

圖1中，庫所Lm、Lp、Ls分別表示線路的主保護、近后備保護、遠后備保護；CBam和CBbm為主保護斷路器出口情況；CBap和CBbp為近后備保護斷路器出口情況；CBcs和CBds為遠后備保護斷路器出口情況；PLn表示線路Ln發(fā)生故障的最終概率。庫所Lm、Lp、Ls分別由B1、B2、B3集合處理后得到。以Lm為例，當(dāng)B1中值為1的元素數(shù)量超過2的時候(開環(huán)則為1)，此時主保護動作可靠，將Lm置為1，反之則置為0。當(dāng)Lm置為1時，若在斷路器出口的同側(cè)存在1個及以上的速斷保護或限時速斷保護，則將Lm對應(yīng)的斷路器值置為1，即CB3m為1，反之為0。DG側(cè)采用相同方法設(shè)置。同理，對于由集合處理得到的Lp和Ls進行上述設(shè)置，即可實現(xiàn)對所有時序集合的處理，得到第一梯度的初始庫所。

考慮到傳統(tǒng)推理對庫所和變遷值處理時會因為子站信息丟失或斷路器拒動，造成故障診斷結(jié)果存在誤差，導(dǎo)致最終誤判，本研究結(jié)合保護與對應(yīng)斷路器出口時序性，引入高斯分布對構(gòu)建的TWFPN模型初始庫所、變遷閾值等進行了重新定義[7]。

線路中斷路器和各階段保護置信度設(shè)置見表1。

表1 置信度設(shè)置

置為0的初始庫所置信度設(shè)置為0.2，變遷閾值設(shè)置為0.2，元件故障越限值設(shè)置為0.7，初始庫所到第一次變遷的輸入弧權(quán)值分別設(shè)置為0.5、0.25。在第一次變遷后，得到第2列庫所輸出弧權(quán)值，然后再進入下一步變遷的輸入弧權(quán)值設(shè)置。

采用上述TWFPN模型對配電網(wǎng)故障進行主動診斷的流程見圖2。

圖2 基于TWFPN的配電網(wǎng)故障主動診斷流程

3 仿真實驗

3.1 實驗環(huán)境

CPU為 Intel core i5 9300H，內(nèi)存為8 G。本實驗在MATLAB 2018b軟件中進行仿真。輸入數(shù)據(jù)為配電網(wǎng)故障警報信號和SOE時序信息，輸出數(shù)據(jù)為故障線路及異常繼電保護信息?？紤]到無法確定部分繼電保護信息的狀態(tài)，故在程序中通過“繼電保護設(shè)備故障情況”“告警信息丟失”“畸變情況”進行反映。

3.2 算例驗證

為驗證TWFPN算法對配電網(wǎng)故障主動診斷的有效性，采用某區(qū)域的閉環(huán)有源配電網(wǎng)實際現(xiàn)場信號進行故障診斷測試。該配電網(wǎng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

圖3 閉環(huán)有源配電網(wǎng)網(wǎng)絡(luò)結(jié)構(gòu)

考慮到不同地區(qū)在時延設(shè)置方面存在差異，本研究選用實驗配電網(wǎng)區(qū)域的時延設(shè)定：限時速斷保護動作時延(ms)為[310，340]；速斷保護動作時延(ms)為[10，40]；近后備和遠后備過電流保護動作時延以系統(tǒng)結(jié)構(gòu)為標(biāo)準(zhǔn)。具體時序整定值見表2，表中過電流保護所處位置1～20依次對應(yīng)斷路器CB1～CB20；斷路器出口信息時延(ms)為[20，40]。

表2 過電流保護時序整定值

3.2.1單線路故障情況

為驗證本算法的主動診斷效果，以實例1為例進行診斷。

實例1 L5發(fā)生故障且CB11拒動，CB13丟失出口信息，故障SOE信息為[CB10s(40 ms)，RCB10s(10 ms)，RCB11s(15 ms)，RCB11x(330 ms)，RCB11g(1 100 ms)，RCB13g(1 350 ms)]。其中，s、x、g分別對應(yīng)斷路器的速斷信號、限時速斷信號、過流保護信號，時間表示各信號相對于故障發(fā)生時的時延，一般為最早速斷保護出口的時間往前推10 ms[8]。

首先，根據(jù)時序連接圖，計算CB10s(40 ms)隸屬度μR=0.804。由于后時序沒有連接，所以結(jié)束推理。然后，選取SOE剩余信息中最初時序信息RCB11s(15 ms)，按照同樣方法得到RCB11x(330 ms)的隸屬度μR=0.805。以此類推，可得到RCB11g(1 100 ms)的隸屬度μR=0.805，RCB13g(1 350 ms)的隸屬度μR=0.908。由上述隸屬度結(jié)果可知，所有信息的隸屬度均大于0.5[9]，說明以上信息均為L5的有效出口信息。最終，得到集合B1=[1 1 1 0 0 0 1 0 0 0 0 0]；B2=[0 0 1 0 0 0 1 0]；B3=[0 0 1 0]。根據(jù)TWFPN模型構(gòu)建的初始庫所集合設(shè)置可知，本實驗的初始庫所集合P=[1 1 0 1 0 0 1 0 0]。

①計算輸入弧權(quán)值：

Winput=W·I，

(2)

式中：W和I分別為n×n和n×m的矩陣，表示庫所到下一步變遷的置信度和庫所到變遷的映射。

通過計算可得到

②計算第一梯度變遷，合成輸入可信度：

(3)

式中：α0是1×n的矩陣，表示變遷次數(shù)為0的庫所矩陣。本實例中，α0=[0.998 6 0.983 3 0.2 0.9 0.2 0.2 0.85 0.2 0.2 0 0 0 0]，可得

(4)

③比較該處變遷與變遷越限閾值，得到該處真正變遷值

(5)

④計算第一梯度庫所值

(6)

由上述計算結(jié)果可知，梯度1、2的各庫所值分別為[0.827 8 0.243 9 0.165 3]和[0.776 7]。因此，得到故障率為0.776 7，大于閾值0.7[10]，得出L5線路發(fā)生故障。

反向搜索L5線路。由于該線路已被診斷為發(fā)生故障，故第二梯度庫所P2>0.7，不存在問題。接下來，考察第一梯度庫所值P1，由于P1[1]>0.2、P1[2]>0.2、P1[3]<0.2，說明近后備產(chǎn)生保護動作，且保護斷路器拒動。

最后考察B3，發(fā)現(xiàn)遠后備保護信息完善，但不存在其對應(yīng)的斷路器出口信息，由此可判斷故障的具體情況為CB11拒動、CB13出口信息丟失。

綜上可得，本算法對該配電網(wǎng)故障的診斷結(jié)果如下：L5線路故障，CB11斷路器拒動、CB13斷路器出口信息丟失。該結(jié)果與實際故障情況一致，說明本算法有效可行。

3.2.2多線路故障情況

多線路故障情況以實例2為例進行診斷。

實例2L2、L5兩條線路發(fā)生故障，且CB10拒動并丟失過流保護信息，CB11丟失出口信息。SOE故障信息為[RCB10s(20 ms)，RCB3s(25 ms)，CB3s(55 ms)，RCB4s(10 ms)，CB4s(35 ms)，RCB10x(320 ms)，RCB8g(1 200 ms)，CB8(1 230 ms)，RCB11s(30 ms)]。

采用與單線路故障情況相同的方法，從最初時序信息開始推理計算得到CB4s(35 ms)的隸屬度μR=0.846，RCB10x(320 ms)的隸屬度μR=1.000，RCB8g(1 200 ms)的隸屬度μR=0.702，CB8(1 230 ms)的隸屬度μR=0.708，CB3s(55 ms)的隸屬度μR=0.902。由于RCB11s(30 ms)為初始時序且在速斷保護時序范圍內(nèi)，故其隸屬度μR=1。由以上看出，所有信息的隸屬度均大于0.5，說明信息均為有效出口信息。

首先對L2進行分析，可得到集合B1=[1 1 1 1 0 0 0 0 0 0 0 0]，B2=[0 0 0 0 0 0 0 0]，B3=[0 0 0 0]，則其初始庫所集合P=[1 1 1 0 0 0 0 0 0]，梯度1和梯度2的庫所值分別為[0.999 6 0.041 8 0.359]和[0.955 7]，可得到該元件發(fā)生故障的可能性為0.955 7，大于0.7，即可判定L2線路發(fā)生故障。同理，可判定L5線路發(fā)生故障。

然后對L2線路進行反向搜索，由于L2發(fā)生故障，其第二梯度庫所值大于0.7，不存在問題。接下來，考察其第一梯度庫所值。由于P1[1]>0.2，可判定該線路主保護和其對應(yīng)的斷路器可正確動作。最后考察其元素集合B1、B2、B3，可發(fā)現(xiàn)B1中RCB10s、CB10s、RCB11s、CB11s均為1，B2、B3為空集，則可判定該吸納路繼電保護設(shè)備正常，通信系統(tǒng)沒有發(fā)生故障。同理對L5線路進行反向搜索，可判定CB10拒動且其過流保護信息丟失，同時CB11出口信息丟失。

綜上，本算法對該配電網(wǎng)多線路故障的診斷結(jié)果如下：L2、L5線路故障，CB10拒動且其過流保護信息丟失，同時CB11出口信息丟失。該結(jié)果與實際故障情況一致，說明本算法有效可行。

3.3 算法比較

為驗證本算法的優(yōu)越性，本研究在上述2個實例的基礎(chǔ)上增加了11個故障實例，共計13個故障實例，分別采用本算法、文獻[11]算法、文獻[12]算法對13個故障實例進行診斷，結(jié)果如圖4和圖5所示。由圖4可知，本算法的診斷速度較慢，原因是本算法在信息預(yù)處理過程中添加了SOE時域信息，增加了計算量。但整體來看，本算法與對比算法的計算速度處在同一等級。由圖5可知，本算法對故障的診斷正確率最高，可達到95%，兩種對比算法的故障診斷正確率均在80%以下。總體來說，本算法相較于典型的配電網(wǎng)故障診斷算法具有一定的優(yōu)越性，可用于實際配電網(wǎng)故障診斷。

圖4 不同算法故障診斷速度對比

圖5 不同算法故障診斷準(zhǔn)確率對比

4 結(jié)語

本研究構(gòu)建了基于TWFPN算法的配電網(wǎng)故障主動診斷模型，引入時序連接和高斯分布函數(shù)，降低了配電網(wǎng)故障線路誤判概率，可對速斷信號、限時速斷信號、過流保護信號進行準(zhǔn)確診斷，同時避免了配電網(wǎng)信息丟失或拒動，可有效診斷有源配電網(wǎng)的單線路故障和多線路故障，診斷結(jié)果與實際情況相符。相較于典型的配電網(wǎng)故障診斷算法，本研究提出的算法在故障診斷速度和診斷正確率上具有一定的優(yōu)越性。